Подходы и направления исследования искусственного интеллекта

Содержание

Введение

Глава 1 Подходы и направления исследования искусственного интеллекта

1.1 Подходы к пониманию  проблемы

1.2 Подходы к изучению и направления исследований

Глава 2 Модели мозга и проблематика моделирования

2.1 Теоретические положения и практическая реализация

2.2 Проблематика моделирования

Глава 3 История и современное состояние

3.1 История

3.2 Современное состояние дел

Глава 4 Применение и перспективы развития

4.1 Применение искусственного интеллекта

4.2 Перспективы искусственного интеллекта

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

Возможно ли моделирование работы нашего человеческого мозга на компьютере? Принципиальных препятствий, за исключением уверенности в правильности нашей модели, как будто нет. Но хватит ли вычислительных ресурсов нынешних компьютеров для моделирования работы человеческого мозга в реальном времени?

Информационная ёмкость мозга порядка 5*1014 байт. Так что нашему моделирующему компьютеру понадобится, как минимум, память такой ёмкости. Мозг представляет собой 15 миллиардов асинхронных логических элементов, каждый из которых имеет быстродействие порядка 10 ÷ 100 переключений в секунду. Возможность переключения определяется сигналами на входах нейрона. А входов у каждого нейрона до 10 000. Причём входы эти скорее аналоговые (мы пока условно приняли разрешение аналоговых сигналов в 212 =4096 уровней, то есть, 12 бит). Так что для определения того, возбудится нейрон в какой-то момент времени или нет, нужно провести суммирование сигналов на всех его входах с учётом их весов-электрических сопротивлений и сравнить полученную сумму с пороговым значением уровня возбуждения для данного нейрона в данный момент. Порог этот может меняться с течением времени. Он определяется тем, насколько «отдохнул», зарядился данный нейрон, насколько он разрядился, текущей физиологической (химической) обстановкой на данном участке мозга. Так что нам в процессе моделирования в реальном времени придётся не менее 10 раз в секунду просматривать и суммировать все 1.5*1014 связей (1.5*1014 = 15*109 нейронов * 10 000 входов/нейрон) для определения состояния возбуждённости каждого из множества нейронов на следующем шаге.  Для каждой связи нужно иметь не менее 3.5 байт (28 бит), а именно:

а) 16 бит – адрес нейрона, возбуждающий выход которого связан с данным входом,

б) 12 бит – функция возраста входа-связи, однозначно связанная с уменьшающимся со временем весом, проводимостью данной связи, представляемой 12 битами. При этом нужно учитывать топологию (географию) возможных связей каждого нейрона. То есть, надо учитывать, с какими нейронами может соединяться на данном отрезке времени рассматриваемый нейрон при своём возбуждении.  Даже если мы сможем на одном процессоре полномасштабно моделировать работу 1000 нейронов со скоростью порядка 100 000 000 арифметических операций в секунду = (1000 нейронов * 10 000 вкладов-входов/нейрон * 10 просмотров/секунду), то для моделирования в реальном времени всего мозга человека понадобится 15 000 000 таких процессоров. Пока что такая задача при решении её «в лоб» непосильна даже для самых могучих на сегодня компьютеров.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1 Подходы и  направления исследования искусственного  интеллекта

1. Подходы к пониманию проблемы

«Искусственный интеллект» ( англ. Artificial intelligence, AI ) - раздел компьютерной лингвистики и информатики, занимающийся формализацией проблем и задач, которые напоминают задачи, выполняемые человеком. При этом, в большинстве случаев алгоритм решения задачи неизвестен заранее. Точного определения этой науки нет, поскольку вфилософии не решен вопрос о природе и статусе человеческого интеллекта . Нет и точного критерия достижения компьютером «разумности», хотя перед искусственным интеллектом был предложен ряд гипотез, например, Тест Тьюринга или гипотеза Ньюэлла-Саймона . Сейчас существует много подходов как к пониманию задач искусственного интеллекта, так и ксозданию интеллектуальных систем .

Одна из классификаций выделяет два подхода к разработке искусственного интеллекта:

нисходящий, семиотический - создание символьных систем , моделирующих высокоуровневые психические процессы : мышление, суждения, речь, эмоции, творчество и т. д.;

восходящий, биологический - изучение нейронных сетей и эволюционные вычисления, моделирующие интеллектуальную поведение на основе меньших «не интеллектуальных» элементов.

Эта наука связана с психологией , нейрофизиологией , Трансгуманизм и другими. Как и все компьютерные науки , она использует математический аппарат . Особое значение для нее имеют философия и робототехника .

Искусственный интеллект - очень молодая область исследований, начало 1956 . Ее исторический путь напоминает синусоиду , каждый «взлет» которой инициировался некоторой новой идеей. На сегодня ее развитие находится на «спаде», уступая применению уже достигнутых результатов в других областях науки, промышленности , бизнесе и даже повседневной жизни.

Единого ответа на вопрос чем занимается искусственный интеллект (ИИ), не существует. Почти каждый автор, который пишет книгу о ИИ, отталкивается от какого определения, рассматривая в его свете достижения науки. Обычно эти определения сводятся к следующим:

- Искусственный интеллект  изучает методы решения задач, требующих человеческого понимания. Грубо говоря речь идет о том, чтобы научить ИИ решать тесты интеллекта. Это предполагает развитие способов решения задач по аналогии , методовдедукции и индукции , накопления базовых знаний и умение их использовать.

- Искусственный интеллект  изучает методы решения задач, для которых не существует  способов решения или они не  корректны (за ограничения во  времени, памяти и т.д.). Благодаря  такому определению интеллектуальные  алгоритмы часто используются  для решения NP-полных задач , например, задачи коммивояжера .

- Искусственный интеллект  занимается моделированием человеческого высшей нервной деятельности.

- Искусственный интеллект - это системы, которые могут оперировать  со знаниями , а главное - учиться . В первую очередь речь ведется о том, чтобы признать класс экспертных систем (название происходит от того, что они способны заменить «на посту» людей-экспертов) интеллектуальными системами.

- Последний подход, который  начал развиваться с 1990-х годов , называется агентно-ориентированным подходом. Данный подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении своей задачи. Поэтому здесь гораздо лучше изучаются алгоритмы поиска и принятия решения .

Непопулярные подходы

- Самый общий подход  состоит в том, что ИИ будет  иметь возможность вести себя  как человеческий в нормальных  ситуациях. Эта идея представляет  собой обобщенный подход теста  Тьюринга , который утверждает, что машина станет разумной тогда, когда будет в состоянии поддерживать диалог с обычным человеком, а и не сможет понять, что разговаривает с машиной ( диалог ведется переписыванием).

- Писатели-фантасты часто  предлагают еще один подход: ИИ  возникает тогда, когда машина  будет чувствовать и творить. Так, например, хозяин Эндрю Мартина из «Двухсотлетний человек» начинает относиться к нему как к человеку, когда этот создал игрушку по собственному проекту. А. Дейта из Звездного пути, будучи способным к коммуникациям и обучения, мечтает получить эмоции и интуицию .

1.2 Подходы к  изучению и направления исследований

Существуют различные подходы к созданию систем ИИ. На данный момент можно выделить 4 достаточно разных подхода:

1. Логический подход . Основой для изучения логического подхода служит алгебра логики . Каждый программист знаком с ней с тех пор, когда он изучал оператор IF. Своего дальнейшего развития алгебры логики получила в виде исчисления предикатов  - в котором она расширена за счет введения предметных символов, отношений между ними. Кроме этого, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель достигнута, то последовательность использованных правил позволит получить цепочку действий, необходимых для реализации поставленной цели (такую систему еще называют экспертной системой). Мощность такой системы определяется возможностями генератора целей и машинного доказательства теорем. Для того чтобы достичь лучшей выразительности логический подход использует новое направление, его название - нечеткая логика. Главным отличием этого направления является то, что истинность высказывания может принимать помимо значений да / нет (1 / 0) еще и промежуточное значение - не знаю (0.5), пациент скорее всего жив, чем мертв (0.75), пациент скорее всего мертв , чем жив (0.25). Такой подход подобнейший к мышлению человека, поскольку она редко соответствует да или нет.

2. Под структурным подходом  мы понимаем попытки построения  ИИ путем моделирования структуры  человеческого мозга. Одной из  первых таких попыток был перцептрон Френка Розенблатта. Главной моделирующей структурной единицей в перцептронах (как и в большинстве других вариантах моделирования мозга) является нейрон . Позднее возникли и другие модели, известные под названием нейронные сети (НС) и их реализации - нейрокомпьютеры . Эти модели отличаются по строению отдельных нейронов, по топологии связей между ними и алгоритмами обучения. Среди самых известных в настоящее время вариантов НМ можно назвать НМ с обратным распространением ошибки , сети Кохонена , сетки Хопфилда , стохастические нейроны сетки. В более широком смысле этот подход известен как Конективизм. Различия между логическим и структурным подходом не столько принципиальные, как это кажется на первый взгляд. Алгоритмы упрощения и вербализации нейронных сетей превращают модели структурного подхода в явные логические модели. С другой стороны, еще в 1943году Маккалок и Питтс показали, что нейронная сеть может реализовать любую функцию алгебры логики .

3. Эволюционный подход . При построении системы ИИ по данному методу основное внимание сосредотачивают на построении исходной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть создана с самыми разнообразными методами, это может быть и НМ, и набор логических правил, и любая другая модель. После этого мы включаем компьютер и он, на основе проверки моделей отбирает лучшие из них, и за этими моделями по самым разным правилам генерируются новые модели. Среди эволюционных алгоритмов классическим считается генетический алгоритм .

4. Имитационный подход. Этот подход является классическим для кибернетики с одним из ее базовых понятий черный ящик . Объект, поведение которого имитируется, как раз и представляет собой «черный ящик». Для нас не важно, какие модели у него внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя без изменений. Таким образом здесь моделируется другое свойство человека - способность копировать то, что делают другие, без разделения на элементарные операции и формального описания действий. Часто это свойство экономит много времени объекту, особенно в начале его жизни.

В рамках гибридных интеллектуальных систем пытаются объединить эти направления. Экспертные правила выводов могут генерироваться нейронными сетями, а Порождающие правила получают с помощью статистического изучения. Многообещающий новый подход, который еще называют усиление интеллекта, рассматривают достижения ИИ в процессе эволюционной разработки как текущий эффект усиления человеческого интеллекта технологиями.

Направления исследований

Анализируя историю ИИ, можно выделить такой обширный направление как моделирование рассуждений . Многие годы развитие этой науки продвигался именно по этому пути, и сейчас это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем , на входе которых поставлена ​​некая задача, а на выходе ожидается ее решение. Как правило, предложенная задача уже формализована , то есть переведена в математическую форму, но либо не имеет алгоритма решения, или этот алгоритм за сложный, трудоемкий и т.д. В это направление входят: доказательство теорем , принятие решений и [теория игр] , планирование и диспетчеризация , прогнозирование .

Таким образом, на первый план выходит инженерия знаний , объединяющая задачи получения знаний из простой информации , их систематизацию и использование. Достижения в этой области затрагивают почти все остальные направления исследования ИИ. Здесь также необходимо отметить два важных подобласти. Первая из них - машинное обучение  - касается процесса самостоятельного получения знаний интеллектуальной системой в процессе ее работы. Вторая связана с созданием экспертных систем  - программ, использующих специализированные базы знаний для получения достоверных выводов относительно произвольной проблемы.

Большие и интересные достижения имеются в области моделирования биологических систем. Сюда можно отнести несколько независимых направлений. Нейронные сети используются для решения нечетких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некоторое алгоритм может стать эффективным, если отберет лучшие характеристики в других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы -агента , который сотрудничает с окружающей средой, называется агентных подход . А если правильно заставить большое количество «не очень интеллектуальных» агентов сотрудничать вместе, то можно получить «муравьиный» интеллект .

Задачи распознавания объектов уже частично решаются в рамках других направлений. Сюда относятся распознавание символов , рукописного текста, речи, анализ текстов. Особо следует упомянуть компьютерное видение , которое связано с машинным обучением и робототехникой.

Робот-скрипач от Toyota Motor

В общем, робототехника и искусственный интеллект часто ассоциируются друг с другом. Интеграцию этих двух наук, создание интеллектуальных роботов , можно считать еще одним направлением ИИ.

Отдельно держится машинная творчество ( англ. Computational creativity ), в связи с тем, что природа человеческого творчества еще меньше изучена, чем природа интеллекта. Тем не менее, эта область существует, и здесь стоят проблемы написания компьютером музыки , литературных произведений (часто - стихов и сказок), художественное искусство .